人工智能面试题 · 技术原理
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 8649 道 · 更新 2026-08-05
筛选题目已选：技术原理
考察点
技术栈
第 161 题如何识别并避免奖励模型训练中的reward hacking（奖励欺骗）问题？ 考察对奖励模型偏好优化的鲁棒性理解与规避策略第 162 题除了 LoRA，你还了解哪些可用于训练和推理优化的技术？ 考察对大模型训练推理优化技术的广度与原理理解第 163 题请说明一个典型大语言模型中各主要模块的参数占比情况，例如嵌入层、注意力层和前馈网络层。 考察对Transformer模型结构及参数分布的理解第 164 题YOLOv4-tiny 的网络结构中是否使用了 FPN 特征金字塔？ 考察对目标检测骨干与特征融合结构的理解第 165 题为什么用Transformer不用CNN？ 考察对两种架构核心差异和适用场景的理解第 166 题请介绍贝尔曼方程及其在强化学习中的应用。 考察对贝尔曼方程基本形式、含义及在强化学习中作用的掌握第 167 题LayerNorm 的计算的维度呢? 考察对 LayerNorm 归一化维度的理解第 168 题在已有MPC路径规划或控制方案中，为什么仍然需要使用MPC，而不是直接依赖求解器？ 考察对MPC概念及求解器角色的区分第 169 题请描述多任务网络的整体架构设计思路，以及任务间信息共享与冲突处理的方法。 考察多任务学习架构设计的核心思想与任务关系处理第 170 题Qwen2.5-VL 中的 Transformer 结构与普通 Transformer 结构有哪些不同？ 考察对现代 LLM 架构演进及视觉语言模型适配机制的理解第 171 题请介绍MMoE（多门控专家混合）模型的原理，并说明它在你的项目中是如何应用的？ 考察对MMoE原理的理解及其实际应用能力第 172 题在构建多模态模型时，你为什么会选择 CLIP 作为视觉-语言对齐的基础？请说明其设计动机和关键优势。 考察对 CLIP 架构设计理念及其在多模态任务中应用优势的理解第 173 题请实现一个函数，输入一个字符数组 list[char]，原地删除多余空格：删除首尾空格，且每个单词之间只保留一个空格，要求空间复杂度为 O(1)，并将结果写回原数组。 考察原地数组操作、双指针技巧和边界情况处理第 174 题请介绍CLIP模型的原理、训练方式及其典型应用。 考察对CLIP模型架构、对比学习训练范式与应用场景的理解第 175 题交叉熵和KL散度的公式是什么？ 考察对信息论中交叉熵与KL散度定义及关系的理解第 176 题请解释Transformer的注意力机制的原理，并说明其在模型中的作用。 考察对Transformer核心机制的理解深度及表达能力第 177 题Agent和Chatbot的区别 考察对AI产品形态的认知、技术边界和应用场景理解第 178 题在 Transformer 的缩放点积注意力中，为什么 Q 和 K 的点积要除以根号下 d_k，能不能用其他数值？请从数学原理上解释。 考察对注意力机制数学原理的理解，特别是方差分析与缩放因子的作用第 179 题请讲一下负载均衡的概念，并说明如何解决负载均衡问题。 考察对负载均衡核心概念的理解及实际应用与优化能力第 180 题为什么大模型会有效？请结合 ChatGPT 相关内容说明。 考察对大规模语言模型原理、能力来源与局限性的理解